基于硬件平台实现的超分辨力图像复原方法技术

本发明专利技术公开了一种基于硬件平台实现的超分辨力图像复原方法。该方法是基于Zynq SOC硬件平台实现的，采用并行处理的思想。首先对原始图像进行图像拓展，然后将拓展图像缓存进入缓存buff，缓存buff利用SoC内BlockRAM实现，在缓存的同时进行图像复原算法中的一系列运算，运算结果也同时缓存进入相应的缓存buff。本发明专利技术的创新点在于算法中的运算步骤并非顺序执行，而是并行执行，并行运算的同时对运算中间值进行缓存，提高了算法的执行效率，硬件资源仅消耗了Zynq芯片PL部分的内部存储资源，大大降低了硬件存储资源的消耗，有利于小型化、低功耗、低成本设备的研发。

Super resolution image restoration method based on hardware platform

The invention discloses a super-resolution image restoration method based on a hardware platform. This method is based on the Zynq SOC hardware platform, using the idea of parallel processing. First, expand the image to the original image, then the image will expand into cache cache buff, cache using buff SoC BlockRAM to achieve a series of operations, the image restoration algorithm in the cache at the same time, the operation result also enter the corresponding cache cache buff. The innovation point of the invention lies in the implementation of the algorithm in the calculation procedure is not in order, but the parallel execution of parallel computation and cache on the operation of intermediate value, improve the efficiency of the algorithm, the hardware resource consumed only internal storage resources of Zynq chip PL part, greatly reduces the hardware resource consumption, there is conducive to the development of miniaturization, low power consumption, low cost of equipment.

【技术实现步骤摘要】
基于硬件平台实现的超分辨力图像复原方法
本专利技术涉及超分辨力图像复原技术，具体涉及一种基于硬件平台实现的超分辨力图像复原技术。
技术介绍
目前，各类成像器件正在广泛的应用于各大领域，但是由于各种条件的限制，成像质量往往不尽人意，因此人们迫切希望找到一种方法能够完善图像质量。由于光学系统受到光学系统衍射的影响，因此无法获取传递函数截止频率以外的图像信息。如何能观测到截止频率以外的图像信息成为了研究热潮。目前，超分辨力图像复原方法主要有：频谱外推法、POCS法、神经网络复原法和Bayes分析法等。其中具有较强超分辨力复原能力的算法是基于Bayes分析的Poisson-ML图像复原方法，简称PML算法。但是该算法对噪声较大的图像不能取得良好的复原效果。有学者在PML算法的基础上提出基于Poisson-Markov场的超分辨力图像复原算法。该算法不仅具有较强的图像复原能力，又具有较好的去噪效果。但该方法涉及卷积运算、相关运算以及一些乘除运算，计算量较大，且想要获得质量较高的复原图像必须迭代多次，因此用软件实现该算法并不适用于需要实时处理的成像系统。要在实时性要求高的成像系统中使用该方法进行本文档来自技高网...

【技术保护点】
基于硬件平台实现的超分辨力图像复原方法，通过在原始图像基础上进行多次迭代提高图像的分辨率，每轮迭代包括图像拓展、卷积运算和相关运算步骤，其特征在于：图像拓展、卷积运算和相关运算步骤并行执行；所述图像拓展步骤包括：根据卷积核函数模版大小对原始图像边缘进行拓展；将拓展后的图像数据流缓存进图像缓存空间；所述卷积运算步骤包括：(a1)从迭代结果缓存空间读取上一次迭代结果，将上一次迭代结果与卷积核函数进行卷积运算；对于第一次迭代，上一次的迭代结果为拓展图像；(a2)将原始图像与步骤(a1)中所得到的结果相除得到本轮次的卷积运算结果，并缓存至卷积结果缓存空间；所述相关运算步骤包括：(b1)从卷积结果缓存空...

【技术特征摘要】
1.基于硬件平台实现的超分辨力图像复原方法，通过在原始图像基础上进行多次迭代提高图像的分辨率，每轮迭代包括图像拓展、卷积运算和相关运算步骤，其特征在于：图像拓展、卷积运算和相关运算步骤并行执行；所述图像拓展步骤包括：根据卷积核函数模版大小对原始图像边缘进行拓展；将拓展后的图像数据流缓存进图像缓存空间；所述卷积运算步骤包括：(a1)从迭代结果缓存空间读取上一次迭代结果，将上一次迭代结果与卷积核函数进行卷积运算；对于第一次迭代，上一次的迭代结果为拓展图像；(a2)将原始图像与步骤(a1)中所得到的结果相除得到本轮次的卷积运算结果，并缓存至卷积结果缓存空间；所述相关运算步骤包括：(b1)从卷积结果缓存空间读取当前迭代次对应的卷积运算结果，将卷积运算结果与卷积核函数进行相关运算；(b2)从迭代结果缓存空间读取上一次迭代结果，将上一次迭代结果与步骤(b1)中所得到的结果相乘得到本轮次的迭代结果，并缓存至迭代结果缓存空间；对于第一次迭代，上一次的迭代结果为拓展图像。2.根据权利要求1所述的基于硬件平台实现的超分辨力图像复原方法，其特征在于：所述图像拓展步骤中，对于M×M大小的卷积核函数模版，将原始图像四边缘各拓展M-1个像素。3.根据权利要求2所述的基于硬件平台实现的超分辨力图像复原方法，其特征在于：所述图像缓存空间大小为((N-1)×(M+1)+2)×(W+M-1)，所述卷积结果缓存空间大小为N×(M+1)×(W+M-1...

【专利技术属性】
技术研发人员：张禹，刘畅，曹新星，王如亲，席灿江，白俊奇，尹春梅，萨出拉，
申请(专利权)人：中国电子科技集团公司第二十八研究所，
类型：发明
国别省市：江苏,32